随机采样获取部分数据集和label

随 机 采 样 获 取 部 分 数 据 集 和 l a b e l 随机采样获取部分数据集和label label


numpy中的随机数模块同样可以进行采样,可以利用numpy.random.choice()函数实现。
numpy.random.choice(a, size=None, replace=True, p=None)
主要有四个参数,其中
a为一维待采样序列,
size为采样样本数目,
replace代表是否重复采样,
p如果设置的话与a等长代表序列中每个位置的采样概率。

#numpy.random.choice(a, size=None, replace=True, p=None)
#从a(只要是ndarray都可以,但必须是一维的)中随机抽取数字,并组成指定大小(size)的数组
#replace:True表示可以取相同数字,False表示不可以取相同数字
#数组p:与数组a相对应,表示取数组a中每个元素的概率,默认为选取每个元素的概率相同。


import os,sys
import random
import shutil
def read_file(path):  # 图片的完整路径
    """从文件夹中读取数据"""
    files_list = os.listdir(path)
    file_path_list = [os.path.join(path, img) for img in files_list]
    file_path_list.sort()
    return file_path_list
file_path=["E:/Software_Installation_Package/CUDA/train/image","E:/Software_Installation_Package/CUDA/train/label"]
if len(file_path) != 2:
    raise ValueError("同时需要图片和标签文件夹的路径,图片路径在前")
img_path = file_path[0]
label_path = file_path[1]
# 2 从路径中取出图片和标签数据的文件名保持到两个列表当中(程序中的数据来源)
imgs = read_file(img_path)
labels = read_file(label_path)
imgs

在这里插入图片描述

len(imgs)

在这里插入图片描述

labels

在这里插入图片描述

len(labels)

在这里插入图片描述

import numpy as np
N = range(len(labels))
train_set_num = 8000
train_set_index = np.random.choice(N, size=train_set_num, replace=True)
train_set_index

在这里插入图片描述

len(train_set_index)

在这里插入图片描述

for index in train_set_index:
    img = imgs[index]
    shutil.copy(img, './train/image/' )
    print(img)
    label = labels[index]
    shutil.copy(label, './train/label/' )
    print(label)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值